Đề xuất (Proposal)

Nhóm 13

Thành viên

1. Nguyễn Minh Sơn - 20110713
2. Lê Anh Nhân - 20110689
3. Đỗ Minh Dũng - 20110620
4. Nguyễn Thái Ngọc Tân - 20110719

Phần 1: Giới thiệu

Tên đề tài: Phân tích tình hình dịch bệnh Covid-19

Đại dịch covid-19 xuất hiện từ cuối năm 2019, cho đến nay nó đã lan rộng ra hầu hết các quốc gia và vùng lãnh thổ trên thế giới, gây thiệt hại nghiêm trọng về mọi mặt. Mặc dù đã có vaccine phòng ngừa covid-19 nhưng dịch bệnh này vẫn còn hoành hoành ở nhiều quốc gia, liên tục xuất hiện các biến thể mới nguy hiểm. Vì thế, nhóm đã chọn tập dữ liệu liên quan đến vấn đề này để phân tích tình hình dịch bệnh covid-19.

Nguồn dữ liệu chính

Nhóm em đã tham khảo các nguồn dữ liệu về dịch bệnh Covid-19 và đã chọn được tập dữ liệu mà nhóm cảm thấy phù hợp.

Link dataset: COVID-19 dataset Dataset coronavirus pandemic

Nhóm sẽ phân tích tình hình dịch bệnh covid-19 dựa trên số ca mắc, số ca tử vong và số lượng người đã tiêm phòng vaccine, sau đó sẽ đưa ra các nhận xét cũng như dự đoán về đại dịch Covid-19 này ở thời gian tới.

Các biến trong dataset nhóm sử dụng: [

    continent,
    location,
    date,
    total_cases, 
    new_cases,
    total_cases_per_million,
    new_cases_per_million,
    total_deaths,
    new_deaths,
    total_deaths_per_million,
    new_deaths_per_million,
    total_vaccinations,
    people_vaccinated,
    people_fully_vaccinated,
    people_fully_vaccinated_per_hundred,
    population

]

Câu hỏi nghiên cứu chung

1. Các ca mắc Covid-19 có sự khác biệt giữa các châu lục hay không ?

2. Có phải các nước có nền kinh tế phát triển, thu nhập cao thì dịch bệnh Covid-19 sẽ ít nghiêm trọng hơn so với có nền kinh tế phát triển kém hơn, thu nhập thấp hơn không ?

3. Dân số có phải là nguyên nhân dẫn tới việc gia tăng số ca mắc ở các nước châu Á ?

4. Khi vaccine được phổ biến, điều đó có giúp ích cho việc chống đại dịch Covid-19 trên thế giới ?

5. Biến thể Omicron xuất hiện vào 24/11/2021 có gây nguy hiểm không ? So sánh với biến thể Delta xuất hiện trước đó ?

6. Ở các châu lục, trước và sau khi tiêm vaccine, tỉ lệ tử vong của dịch bệnh Covid-19 như thế nào?

7. So với các bệnh như SARS, EBOLA, MERS, H1N1 thì dịch Covid-19 có nghiêm trọng hơn ?

Phần 2: Dữ liệu

1. Mô tả dữ liệu

File dữ liệu: owid-covid-data.csv

Giải thích các biến sử dụng

Biến	Mô tả
continent	Tên châu lục
location	Tên nước
date	Ngày quan sát
total_cases	Tổng số ca mắc covid 19 đã được xác nhận
new_cases	Số ca mắc mới covid 19 theo ngày đã được xác nhận
total_cases_per_million	Tổng số ca mắc covid 19 đã được xác nhận trên 1,000,000 người
new_cases_per_million	Số ca mắc mới covid 19 theo ngày đã được xác nhận trên 1,000,000 người
total_deaths	Tổng số ca covid 19 tử vong đã được xác nhận
new_deaths	Số ca covid 19 tử vong mới theo ngày đã được xác nhận
total_deaths_per_million	Tổng số ca covid 19 tử vong đã được xác nhận trên 1,000,000 người
new_deaths_per_million	Số ca covid 19 tử vong mới theo ngày đã được xác nhận trên 1,000,000 người
total_vaccinations	Tổng số liều vaccine
people_vaccinated	Tổng số người tiêm ít nhất một mũi vaccine
people_fully_vaccinated	Tổng số người tiêm đủ liều vaccine theo quy định
people_fully_vaccinated_per_hundred	Tổng số người tiêm đầy đủ vaccine theo quy định mỗi 100 người
population	Tổng dân số

2. Exploration Data Analysis

Import library

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots

Đọc và làm sạch dữ liệu

covid_df = pd.read_csv('./data/owid-covid-data.csv')

Lấy các biến cần thiết

covid_df = covid_df[['continent', 'location', 'date', 'total_cases',  'new_cases', 'total_cases_per_million', 'new_cases_per_million', 'total_deaths', 'new_deaths', 'total_deaths_per_million', 'new_deaths_per_million', 'total_vaccinations', 'people_vaccinated', 'people_fully_vaccinated', 'people_fully_vaccinated_per_hundred', 'population']]

Thay đổi tên các biến

covid_df.columns = ['Continent', 'Location', 'Date', 'Total Cases',  'New Cases', 'Total Cases per million', 'New Cases per million', 'Total Deaths', 'New Deaths', 'Total Deaths per million', 'New deaths per million', 'Total Vaccinations', 'People Vaccinated', 'People Fully Vaccinated', 'People Fully Vaccinated per hundred', 'Population']

Kiểm tra dữ liệu

covid_df.isnull().sum()

Continent                                9956
Location                                    0
Date                                        0
Total Cases                              3033
New Cases                                3193
Total Cases per million                  3791
New Cases per million                    3951
Total Deaths                            20875
New Deaths                              20839
Total Deaths per million                21620
New deaths per million                  21584
Total Vaccinations                     121132
People Vaccinated                      123339
People Fully Vaccinated                126085
People Fully Vaccinated per hundred    126085
Population                               1075
dtype: int64

Các khu vực không có tên châu lục

t = covid_df[covid_df['Continent'].isna()]
t.Location.unique()

array(['Africa', 'Asia', 'Europe', 'European Union', 'High income',
       'International', 'Low income', 'Lower middle income',
       'North America', 'Oceania', 'South America', 'Upper middle income',
       'World'], dtype=object)

Các giá trị trong cột location của datatframe thường là tên các quốc gia. Nhưng giá trị trong cột này lại là tên các châu lục hoặc các liên minh kinh tế trên thế giới (đây là tổng hợp chung tình hình dịch bệnh cho các khu vực đó), nên các cột continent tương ứng đã nhận giá trị NaN.

Các khu vực không có thông kê dân số

t = covid_df[covid_df['Population'].isna()]
t.Location.unique()

array(['International', 'Northern Cyprus'], dtype=object)

Một số khu vực trên thế giới như International, Northern Cyprus chưa có thống kê về dân số trong tập dữ liệu, nên nhóm sẽ bỏ qua 2 khu vực này.

covid_df = covid_df[~covid_df['Population'].isna()]

Clean Data

Còn lại những cột có dữ liệu bị để trống (NULL) vì vào thời điểm quan sát thì có thể chưa xảy ra ca tử vong, chưa có ca mắc hoặc chưa có vaccine để tiêm phòng...

Vì thế, nhóm sẽ làm sạch dữ liệu của các cột nhận giá trị NaN khác bằng cách điền số 0

covid_df = covid_df.replace('', np.nan).fillna(0)

Thời gian thu thập dữ liệu về dịch bệnh

covid_world_df = covid_df[covid_df.Location == 'World']
print(f"Dữ liệu về dịch bệnh Covid-19 được thu thập từ ngày {covid_world_df.Date.min()} tới ngày {covid_world_df.Date.max()}")

Dữ liệu về dịch bệnh Covid-19 được thu thập từ ngày 2020-01-22 tới ngày 2022-03-05

In dữ liệu

covid_df

	Continent	Location	Date	Total Cases	New Cases	Total Cases per million	New Cases per million	Total Deaths	New Deaths	Total Deaths per million	New deaths per million	Total Vaccinations	People Vaccinated	People Fully Vaccinated	People Fully Vaccinated per hundred	Population
0	Asia	Afghanistan	2020-02-24	5.0	5.0	0.126	0.126	0.0	0.0	0.000	0.000	0.0	0.0	0.0	0.00	39835428.0
1	Asia	Afghanistan	2020-02-25	5.0	0.0	0.126	0.000	0.0	0.0	0.000	0.000	0.0	0.0	0.0	0.00	39835428.0
2	Asia	Afghanistan	2020-02-26	5.0	0.0	0.126	0.000	0.0	0.0	0.000	0.000	0.0	0.0	0.0	0.00	39835428.0
3	Asia	Afghanistan	2020-02-27	5.0	0.0	0.126	0.000	0.0	0.0	0.000	0.000	0.0	0.0	0.0	0.00	39835428.0
4	Asia	Afghanistan	2020-02-28	5.0	0.0	0.126	0.000	0.0	0.0	0.000	0.000	0.0	0.0	0.0	0.00	39835428.0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
166321	Africa	Zimbabwe	2022-03-01	236871.0	491.0	15694.959	32.533	5395.0	0.0	357.470	0.000	7901360.0	4365856.0	3399915.0	22.53	15092171.0
166322	Africa	Zimbabwe	2022-03-02	237503.0	632.0	15736.835	41.876	5396.0	1.0	357.536	0.066	7910740.0	4368726.0	3402434.0	22.54	15092171.0
166323	Africa	Zimbabwe	2022-03-03	237503.0	0.0	15736.835	0.000	5396.0	0.0	357.536	0.000	7921113.0	4372925.0	3406482.0	22.57	15092171.0
166324	Africa	Zimbabwe	2022-03-04	238739.0	1236.0	15818.731	81.897	5397.0	1.0	357.603	0.066	7930621.0	4374896.0	3408609.0	22.59	15092171.0
166325	Africa	Zimbabwe	2022-03-05	239019.0	280.0	15837.284	18.553	5397.0	0.0	357.603	0.000	0.0	0.0	0.0	0.00	15092171.0

165251 rows × 16 columns

Hình thái dữ liệu

covid_df.shape

(165251, 16)

10 quan sát đầu tập dữ liệu

covid_df.head(10)

	Continent	Location	Date	Total Cases	New Cases	Total Cases per million	New Cases per million	Total Deaths	New Deaths	Total Deaths per million	New deaths per million	Total Vaccinations	People Vaccinated	People Fully Vaccinated	People Fully Vaccinated per hundred	Population
0	Asia	Afghanistan	2020-02-24	5.0	5.0	0.126	0.126	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	39835428.0
1	Asia	Afghanistan	2020-02-25	5.0	0.0	0.126	0.000	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	39835428.0
2	Asia	Afghanistan	2020-02-26	5.0	0.0	0.126	0.000	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	39835428.0
3	Asia	Afghanistan	2020-02-27	5.0	0.0	0.126	0.000	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	39835428.0
4	Asia	Afghanistan	2020-02-28	5.0	0.0	0.126	0.000	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	39835428.0
5	Asia	Afghanistan	2020-02-29	5.0	0.0	0.126	0.000	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	39835428.0
6	Asia	Afghanistan	2020-03-01	5.0	0.0	0.126	0.000	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	39835428.0
7	Asia	Afghanistan	2020-03-02	5.0	0.0	0.126	0.000	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	39835428.0
8	Asia	Afghanistan	2020-03-03	5.0	0.0	0.126	0.000	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	39835428.0
9	Asia	Afghanistan	2020-03-04	5.0	0.0	0.126	0.000	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	39835428.0

10 quan sát cuối tập dữ liệu

covid_df.tail(10)

	Continent	Location	Date	Total Cases	New Cases	Total Cases per million	New Cases per million	Total Deaths	New Deaths	Total Deaths per million	New deaths per million	Total Vaccinations	People Vaccinated	People Fully Vaccinated	People Fully Vaccinated per hundred	Population
166316	Africa	Zimbabwe	2022-02-24	234967.0	378.0	15568.801	25.046	5390.0	2.0	357.139	0.133	7858794.0	4351621.0	3384590.0	22.43	15092171.0
166317	Africa	Zimbabwe	2022-02-25	235467.0	500.0	15601.930	33.130	5392.0	2.0	357.271	0.133	7870399.0	4355217.0	3388940.0	22.45	15092171.0
166318	Africa	Zimbabwe	2022-02-26	235803.0	336.0	15624.193	22.263	5393.0	1.0	357.338	0.066	7876942.0	4357938.0	3390880.0	22.47	15092171.0
166319	Africa	Zimbabwe	2022-02-27	235803.0	0.0	15624.193	0.000	5393.0	0.0	357.338	0.000	7882244.0	4359872.0	3392578.0	22.48	15092171.0
166320	Africa	Zimbabwe	2022-02-28	236380.0	577.0	15662.425	38.232	5395.0	2.0	357.470	0.133	7890951.0	4362150.0	3396655.0	22.51	15092171.0
166321	Africa	Zimbabwe	2022-03-01	236871.0	491.0	15694.959	32.533	5395.0	0.0	357.470	0.000	7901360.0	4365856.0	3399915.0	22.53	15092171.0
166322	Africa	Zimbabwe	2022-03-02	237503.0	632.0	15736.835	41.876	5396.0	1.0	357.536	0.066	7910740.0	4368726.0	3402434.0	22.54	15092171.0
166323	Africa	Zimbabwe	2022-03-03	237503.0	0.0	15736.835	0.000	5396.0	0.0	357.536	0.000	7921113.0	4372925.0	3406482.0	22.57	15092171.0
166324	Africa	Zimbabwe	2022-03-04	238739.0	1236.0	15818.731	81.897	5397.0	1.0	357.603	0.066	7930621.0	4374896.0	3408609.0	22.59	15092171.0
166325	Africa	Zimbabwe	2022-03-05	239019.0	280.0	15837.284	18.553	5397.0	0.0	357.603	0.000	0.0	0.0	0.0	0.00	15092171.0

Phần 3: Kế hoạch phân tích dữ liệu

1. Các biến kết quả (phản hồi, Y) và dự đoán (giải thích, X) sử dụng để trả lời câu hỏi

1. Các ca mắc Covid-19 có sự khác biệt giữa các châu lục hay không ? (X: Date, Continent, Total Cases) (Y: True/False)

2. Có phải các nước có nền kinh tế phát triển, thu nhập cao thì dịch bệnh Covid-19 sẽ ít nghiêm trọng hơn so với có nền kinh tế phát triển kém hơn, thu nhập thấp hơn không ? (X: Continent, Location, Total Cases, Total Deaths) (Y: True/False)

3. Dân số có phải là nguyên nhân dẫn tới việc gia tăng số ca mắc ở các nước châu Á ? (X: Location, Population, Total Cases) (Y: Số ca mắc)

4. Khi vaccine được phổ biến, điều đó có giúp ích cho việc chống đại dịch Covid-19 trên thế giới? (X: Date, People Fully Vaccinated, New Cases, New Deaths) (Y: True/False)

5. Ở các châu lục, trước và sau khi tiêm vaccine, tỉ lệ tử vong của dịch bệnh Covid-19 như thế nào? (X: Continent, Date, Total Deaths, Total Cases) (Y: Tỉ lệ tử vong)

6. Biến thể Omicron xuất hiện vào 24/11/2021 có gây nguy hiểm không ? So sánh với biến thể Delta xuất hiện trước đó ? (X: Date, New Cases, New Deaths) (Y: Số ca mắc và tử vong của hai loại biến thể)

7. So với các bệnh như SARS, EBOLA, MERS, H1N1 thì dịch Covid-19 có nghiêm trọng hơn ? (X: Total Deaths, Total Cases) (Y: True/False)

2. Các nhóm so sánh

• Nhóm so sánh: Các châu lục
• Nhóm so sánh: Biến thể Omicron và Delta
• Nhóm so sánh: Tình hình dịch trước và sau khi tiêm Vaccine
• Nhóm so sánh: Các bệnh SARS, EBOLA, MERS, H1N1, Covid-19

3. Phân tích dữ liệu sơ bộ

Thông tin các cột trong tập dữ liệu

covid_df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 165251 entries, 0 to 166325
Data columns (total 16 columns):
 #   Column                               Non-Null Count   Dtype  
---  ------                               --------------   -----  
 0   Continent                            165251 non-null  object 
 1   Location                             165251 non-null  object 
 2   Date                                 165251 non-null  object 
 3   Total Cases                          165251 non-null  float64
 4   New Cases                            165251 non-null  float64
 5   Total Cases per million              165251 non-null  float64
 6   New Cases per million                165251 non-null  float64
 7   Total Deaths                         165251 non-null  float64
 8   New Deaths                           165251 non-null  float64
 9   Total Deaths per million             165251 non-null  float64
 10  New deaths per million               165251 non-null  float64
 11  Total Vaccinations                   165251 non-null  float64
 12  People Vaccinated                    165251 non-null  float64
 13  People Fully Vaccinated              165251 non-null  float64
 14  People Fully Vaccinated per hundred  165251 non-null  float64
 15  Population                           165251 non-null  float64
dtypes: float64(13), object(3)
memory usage: 21.4+ MB

Các thống kê cơ bản về dữ liệu

covid_df.describe()

	Total Cases	New Cases	Total Cases per million	New Cases per million	Total Deaths	New Deaths	Total Deaths per million	New deaths per million	Total Vaccinations	People Vaccinated	People Fully Vaccinated	People Fully Vaccinated per hundred	Population
count	1.652510e+05	1.652510e+05	165251.000000	165251.000000	1.652510e+05	165251.000000	165251.000000	165251.000000	1.652510e+05	1.652510e+05	1.652510e+05	165251.000000	1.652510e+05
mean	2.505992e+06	1.142253e+04	28963.765115	163.534992	5.075483e+04	150.669212	446.055149	1.477463	4.703560e+07	2.292889e+07	1.691146e+07	7.905456	1.474332e+08
std	1.534516e+07	8.389329e+04	51560.618799	677.401746	2.840557e+05	782.870221	753.155897	4.852677	4.133728e+08	2.073323e+08	1.652634e+08	19.519701	7.054923e+08
min	0.000000e+00	0.000000e+00	0.000000	0.000000	0.000000e+00	0.000000	0.000000	0.000000	0.000000e+00	0.000000e+00	0.000000e+00	0.000000	4.700000e+01
25%	1.739000e+03	0.000000e+00	533.510000	0.000000	2.400000e+01	0.000000	6.466000	0.000000	0.000000e+00	0.000000e+00	0.000000e+00	0.000000	1.172369e+06
50%	2.464500e+04	7.400000e+01	4457.275000	10.425000	3.850000e+02	1.000000	72.774000	0.031000	0.000000e+00	0.000000e+00	0.000000e+00	0.000000	8.478242e+06
75%	2.891110e+05	1.029000e+03	36582.431500	97.800500	5.356000e+03	14.000000	581.888000	1.032000	5.999550e+04	1.400250e+04	0.000000e+00	0.000000	3.393361e+07
max	4.451295e+08	4.206334e+06	706541.904000	51427.491000	5.995245e+06	18020.000000	6322.263000	453.772000	1.085079e+10	4.976031e+09	4.400787e+09	121.450000	7.874966e+09

Trực quan hoá dữ liệu

def plot_hbar(df, col, number, title):
    figure = px.bar(df.sort_values(col).tail(number), x = col, y = 'Location', color = 'Continent', text = col, orientation='h', height=700,
                   color_discrete_sequence = px.colors.qualitative.Dark2)
    figure.update_layout(title=title, xaxis_title=col, yaxis_title="Country", 
                    yaxis_categoryorder = 'total ascending',
                    uniformtext_minsize=8, uniformtext_mode='hide')
    figure.show()
    
def plot_sub_lines(df, x, y1, y2, title):
    fig = make_subplots(rows=1, cols=2)
    fig.add_trace(
        go.Scatter(x=df[x], y = df[y1], mode="lines", name=y1),
        row = 1, 
        col = 1
    )
    fig.add_trace(
        go.Scatter(x=df[x], y = df[y2], mode="lines", name=y2),
        row = 1, 
        col = 2
    )
    fig.update_layout(height=600, width=1200, title_text=title)
    fig.show()

Tổng số ca mắc và tử vong tích luỹ theo ngày trên toàn thế giới kể từ đầu đại dịch

plot_sub_lines(covid_world_df, 'Date', 'Total Cases', 'Total Deaths', "Biểu đồ thể hiện tổng số ca mắc và tử vong tích luỹ theo ngày")

Tổng số ca mắc và tử vong của dịch Covid-19 trên thế giới không ngừng tăng nhanh theo ngày kể từ đầu đại dịch đến nay. Nhưng tổng số ca tử vong lại ít hơn nhiều so với tổng số ca mắc, điều này có thể cho thấy tỉ lệ tử vong của dịch Covid-19 không cao, hoặc có thể là do độ bao phủ của vaccine trên toàn thế giới đang lớn dần nên số ca tử vong cũng tăng ít.

Tổng số ca mắc và tử vong mới theo từng ngày trên toàn thế giới kể từ đầu đại dịch

plot_sub_lines(covid_world_df, 'Date', 'New Cases', 'New Deaths', "Biểu đồ thể hiện tổng số ca mắc và tử vong mới theo ngày")

Vào khoảng cuối năm 2021, biến thể Omicron xuất hiện làm gia tăng nhanh số ca nhiễm nhưng số ca tử vong của biến thể này không cao so với biến thể Delta xuất hiện trước đó. Có lẽ do khi biến thể Omicron xuất hiện thì độ bao phủ vaccine trên thế giới cũng đã tăng cao.

Top 20 nước có tổng số ca mắc nhiều nhất

covid_df_group = covid_df.copy()
covid_df_group = covid_df_group.groupby(by='Location').agg({'Location' : 'first','Continent' : 'first', 'Total Cases': 'max'})
covid_df_group = covid_df_group[covid_df_group.Continent != 0]

plot_hbar(covid_df_group, 'Total Cases', 20, 'Confirmed Case')

United State là nước có nền kinh tế phát triển nhưng tổng số ca mắc lại nhiều nhất toàn cầu, hơn cả nước khởi phát dịch bệnh là Trung Quốc

Top 20 nước có tổng số ca tử vong nhiều nhất

covid_df_group = covid_df.copy()
covid_df_group = covid_df_group.groupby(by='Location').agg({'Location' : 'first','Continent' : 'first', 'Total Deaths': 'max'})
covid_df_group = covid_df_group[covid_df_group.Continent != 0]

plot_hbar(covid_df_group, 'Total Deaths', 20, 'Confirmed Deaths')

Số ca tử vong vì Covid-19 của United State lại dẫn đầu. Từ đó, ta có thể thấy sơ qua là số ca mắc và tử vong không phụ thuộc nhiều vào nền kinh tế các nước, nó còn phụ thuộc các yếu tố khác

Top 20 nước có tổng số người tiêm đủ liều vaccine nhiều nhất

covid_df_group = covid_df.copy()
covid_df_group = covid_df_group.groupby(by='Location').agg({'Location' : 'first','Continent' : 'first', 'People Fully Vaccinated': 'max'})
covid_df_group = covid_df_group[covid_df_group.Continent != 0]

plot_hbar(covid_df_group, 'People Fully Vaccinated', 20, 'People Fully Vaccinated')

fig = go.Figure(data=[
                go.Scatter(
                    mode="lines+markers",
                    name="Total Deaths",
                    x=covid_world_df['Date'], 
                    y=covid_world_df['Total Deaths'],
                    marker_color="crimson",
                ),
                go.Scatter(
                    mode="lines+markers",
                    name="Total Cases",
                    x=covid_world_df['Date'], 
                    y=covid_world_df['Total Cases'],
                    marker_color="royalblue"
                ),
    
                go.Scatter(
                    mode="lines+markers",
                    name="Total Vaccinated",
                    x=covid_world_df['Date'], 
                    y=covid_world_df['Total Vaccinations'],
                    marker_color="lightseagreen"
                ),
            ])

fig.update_layout(
        title = 'Tổng số vaccine được tiêm so với các số liệu về dịch Covid-19',
        xaxis_title="",
        yaxis_title="Count",
        hovermode="x",
    legend_orientation = 'h'
)
fig.show()

Độ bao phủ vaccine trên toàn thế giới ngày càng lớn dần, bỏ xa tổng số ca mắc và số ca tử vong. Điều này đang cho thấy tín hiệu tích cực trong việc phòng chống đại dịch Covid-19